Liquid Chromatography-Tandem Mass Spectrometry Analysis of Acetaminophen Covalent Binding to Glutathione S-Transferases
Notice bibliographique
Résumé
Acetaminophen (APAP)-induced hepatotoxicity is the most common cause of acute liver failure in the Western world. APAP is bioactivated to N-acetyl p-benzoquinone imine (NAPQI), a reactive metabolite, which can subsequently, covalently bind to glutathione and protein thiols. In this study, we have used liquid chromatography-tandem mass spectrometry (LC-MS/MS) to characterize NAPQI binding to human glutathione S-transferases (GSTs) in vitro. GSTs play a crucial role in the detoxification of reactive metabolites and therefore are interesting target proteins to study in the context of APAP covalent binding. Recombinantly-expressed and purified GSTs were used to assess NAPQI binding in vitro. APAP biotransformation to NAPQI was achieved using rat liver microsomes or human cytochrome P450 Supersomes in the presence of GSTA1, M1, M2 or P1. Resulting adducts were analyzed using bottom-up proteomics, with or without LC fractionation prior to LC-MS/MS analysis on a quadrupole–time-of-flight instrument with data-dependent acquisition (DDA). Targeted methods using multiple reaction monitoring (MRM) on a triple quadrupole platform were also developed by quantitatively labeling all available cysteine residues with a labeling reagent yielding isomerically-modified peptides following enzymatic digestion. Seven modified cysteine sites were confirmed, including Cys112 in GSTA1, Cys78 in GSTM1, Cys115 and 174 in GSTM2, as well as Cys15, 48 and 170 in GSTP1. Most modified peptides could be detected using both untargeted (DDA) and targeted (MRM) approaches, however the latter yielded better detection sensitivity with higher signal-to-noise and two sites were uniquely found by MRM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».